Instrument digital de prelucrare și vizualizare a datelor aferente calamităților naturale

Abstract

Prezenta lucrare se concentrează pe dezvoltarea unui instrument digital pentru prelucrarea și vizualizarea datelor legate de calamități naturale, cu accent pe prognozarea ulterioară a datelor. obiective: Implementarea unor metode eficiente de colectare și procesare a datelor, incluzând utilizarea bazelor de date NoSQL, algoritmi de învățare automată și tehnici de vizualizare grafică pentru interpretarea rezultatelor. Dezvoltarea unui sistem digital interactiv pentru prelucrarea și vizualizarea datelor aferente calamităților naturale, utilizând tehnologii moderne de analiză și prognoză. Analiza datelor istorice și a tendințelor, care să permită anticiparea și minimizarea impactului acestora asupra comunităților și mediului. Scopul tezei de master este de a crea un sistem eficient care să permită analiza, interpretarea și previzionarea impactului calamităților asupra mediului și comunităților umane. Tehnologii utilizate: Python, Pandas, Numpy, Seaborn, Matplotlib, Streamlit, MongoDB. Capitolul 1: În acest capitol sunt explorate necesitățile, avantajele și dezavantajele utilizării tehnologiilor moderne pentru monitorizarea calamităților naturale, precum și impactul acestora asupra mediului. Capitolul 2: Capitolul descrie procesul de dezvoltare a sistemului digital pentru prelucrarea și vizualizarea datelor. Sunt prezentate arhitectura sistemului, tehnologiile utilizate și metodele de colectare și procesare a datelor. Se pune accent pe utilizarea bibliotecilor de analiză statistică și vizualizare pentru interpretarea informațiilor relevante. Capitolul 3: În acest capitol sunt detaliate metodele utilizate pentru analiza și prognozarea calamităților naturale. Se discută algoritmii de modelare a datelor, tehnicile de învățare automată aplicate în detectarea și estimarea probabilității de apariție a calamităților, precum și strategiile de interpretare a rezultatelor obținute. Valoarea aplicativă a tezei constă în elaborarea și testarea modelului de baze de date hibrid în cadrul administrației publice locale.

This paper focuses on the development of a digital tool for processing and visualizing data related to natural disasters, with an emphasis on subsequent data forecasting. Objectives: Implementing efficient methods for data collection and processing, including the use of NoSQL databases, machine learning algorithms, and graphical visualization techniques for result interpretation. Developing an interactive digital system for processing and visualizing natural disaster data using modern analytical and forecasting technologies. Analyzing historical data and trends to enable anticipation and mitigation of their impact on communities and the environment. The aim of the master’s thesis is to create an efficient system that enables the analysis, interpretation, and forecasting of the impact of natural disasters on the environment and human communities. The used technologies: Python, Pandas, Numpy, Seaborn, Matplotlib, Streamlit, MongoDB. Chapter 1: This chapter explores the needs, advantages, and disadvantages of using modern technologies for monitoring natural disasters, as well as their environmental impact. Chapter 2: This chapter describes the development process of the digital system for data processing and visualization. It presents the system architecture, the technologies used, and the methods for data collection and processing. Emphasis is placed on the use of statistical analysis and visualization libraries for interpreting relevant information. Chapter 3: This chapter details the methods used for analyzing and forecasting natural disasters. It discusses data modeling algorithms, machine learning techniques applied to the detection and probability estimation of disasters, and strategies for interpreting the obtained results. The practical value of the thesis lies in the development of an interactive digital platform that can be used for monitoring, analyzing, and visualizing natural disaster data, thereby supporting informed decision-making and risk reduction at the community level.